大模型推理能力

EvoSci: A Bio-Inspired Multi-Agent Framework for the Evolution of Scientific Discovery

EvoSci: 一种受生物启发的多智能体框架用于科学发现的演化

Xiaoyu Xiong, Yuqi Ren, Deyi Xiong

机构 * TJUNLP Lab, School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院 TJUNLP 实验室） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出EvoSci框架，结合生物启发式演化与知识图谱建模，通过多角色智能体协作迭代生成、评估和优化研究想法，显著提升科学探索的连贯性和创造力。

Comments ACL 2026 Main Conference

Toward Reliable Design of LLM-Enabled Agentic Workflows: Optimizing Latency-Reliability-Cost Tradeoffs

面向LLM驱动的智能体工作流的可靠设计：优化延迟-可靠性-成本权衡

Ya-Ting Yang, Quanyan Zhu

机构 * New York University（纽约大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文通过引入参数化指数可靠性函数建模LLM与非LLM智能体的性能，提出水填充令牌分配策略，并刻画最优工作流可靠性的影子价格，以解决延迟、可靠性和成本之间的权衡问题。

MultiPhishGuard: An Explainable and Adaptive Multi-Agent LLM System for Phishing Email Detection

MultiPhishGuard: 一种用于钓鱼邮件检测的可解释且自适应的多智能体大语言模型系统

Yinuo Xue, Eric Spero, Meng Wai Woo, Wei Gao, Giovanni Russello

机构 * The University of Auckland（奥克兰大学） 纠错

专题命中 其他推理 ：chain-of-thought(abstract)；分类 cs.AI

AI总结 提出基于LLM的多智能体框架MultiPhishGuard，通过协调文本、URL、元数据等五个专业智能体并利用PPO动态加权，结合对抗训练提升对新型钓鱼策略的鲁棒性，在公开数据集上达到97.89%准确率。

MemAudit: Post-hoc Auditing of Poisoned Agent Memory via Causal Attribution and Structural Anomaly Detection

MemAudit：通过因果归因和结构异常检测对中毒代理记忆进行事后审计

Zhewen Tan, Yilun Yao, Huiyan Jin, Wenhan Yu, Guoan Wang, Mengyuan Fan, liang lu, Feng Liu, Xiangzheng Zhang, Duohe Ma, Tong Yang, Lin Sun

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Qiyuan Tech（齐元科技） ； Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理实验室） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出MemAudit框架，结合反事实记忆影响评分和记忆一致性图，对记忆增强型LLM代理中的恶意注入记忆进行事后因果审计，显著降低攻击成功率。

Parallel Context Compaction for Long-Horizon LLM Agent Serving

长视界LLM智能体服务的并行上下文压缩

Musa Cim, Burak Topcu, Chita Das, Mahmut Taylan Kandemir

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对长视界LLM智能体对话历史超出上下文窗口的问题，提出并行压缩方法，通过细粒度控制摘要体积和提示工程，在HotpotQA和LoCoMo基准上相比顺序基线降低端到端耗时并提升压缩吞吐量。

LLM Code Smells: A Taxonomy and Detection Approach

LLM 代码异味：分类与检测方法

Zacharie Chenail-Larcher, Brahim Mahmoudi, Naouel Moha, Quentin Stiévenart, Florent Avellaneda

机构 * École de technologie supérieure ； Université du Québec à Montréal 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出并完善了LLM代码异味的概念，构建了包含9种异味的分类体系，开发了静态检测工具SpecDetect4LLM，并在692个开源项目中验证了其检测效果（精确率91.3%，召回率71.8%），发现73.5%的项目存在此类异味。

Certification from Examples is Hard for Circuits and Transformers under Minimal Overparametrization

在最小过参数化下，从示例中认证对于电路和Transformer是困难的

Artur Back de Luca, Kimon Fountoulakis

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文证明在最小过参数化下，对于深度≥2的阈值电路和对数精度Transformer，认证所需示例集大小可能呈指数增长，并探讨了近似认证的难度。

Comments 38 pages, 5 figures

Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention

Gated DeltaNet-2：解耦擦除与写入的线性注意力

Ali Hatamizadeh, Yejin Choi, Jan Kautz

机构 * NVIDIA 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出Gated DeltaNet-2，通过引入通道级擦除门和写入门，解耦了线性注意力中擦除与写入的控制，从而在语言模型、常识推理和检索任务中取得了最佳性能，特别是在长上下文检索任务中表现突出。

Comments Gated DeltaNet-2 technical report; code at https://github.com/NVlabs/GatedDeltaNet-2

FastTab: A Fast Table Recognizer with a Tiny Recursive Module and 1D Transformers

FastTab: 一种快速表格识别器，结合了微小递归模块和1D变换器

Laziz Hamdi, Amine Tamasna, Pascal Boisson, Thierry Paquet

机构 * LITIS 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出FastTab，一种基于网格的表格结构识别模型，通过轻量级的Tiny Recursive Module和轴向1D Transformer编码器，实现了高效的表格结构恢复，同时在多个基准测试中表现出低延迟和良好的鲁棒性。

SciCore-Mol: Augmenting Large Language Models with Pluggable Molecular Cognition Modules

SciCore-Mol: 通过可插拔分子认知模块增强大语言模型

Yuxuan Chen, Changwei Lv, Yunduo Xiao, Zhongjing Du, Daquan Zhou, Yukun Yan, Zheni Zeng, Zhiyuan Liu

机构 * School of Electronic and Computer Engineering, Peking University, Shenzhen, China（电子与计算机工程学院，北京大学深圳校区） ； Tsinghua University, Beijing, China（清华大学，北京） ； School of Intelligence Science and Technology, Nanjing University, Suzhou, China（智能科学与技术学院，南京大学苏州校区） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出SciCore-Mol框架，通过三个深度集成的可插拔认知模块解决大语言模型处理异构科学数据（如分子）时的语义鸿沟问题，实现分子理解、生成、反应预测和化学知识的综合性能提升。

Comments 15 pages, 4 figures, 9 tables. Preprint

MuKV: Multi-Grained KV Cache Compression for Long Streaming Video Question-Answering

MuKV：多粒度KV缓存压缩用于长流视频问答

Junbin Xiao, Jiajun Chen, Tianxiang Sun, Xun Yang, Angela Yao

机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出MuKV，一种多粒度KV缓存压缩方法，通过半分层检索方法提升长流视频问答的效率和准确性，实验表明其在答案准确率、内存使用和在线问答效率方面均优于基线方法。

Comments To appear at CVPR'26. Code is available at https://github.com/IMBALDY/MuKV

ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling

ExComm：探索阶段通信用于容错的代理测试时间扩展

Woomin Song, Beomjun Kim, Daewon Choi, Sai Muralidhar Jayanthi, Saket Dingliwal, Jinwoo Shin, Aram Galstyan

机构 * KAIST（韩国科学技术院） ； Amazon AGI（亚马逊人工智能实验室） ； Together AI 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出ExComm，一种用于探索阶段的代理测试时间扩展通信协议，通过定期审计代理信念状态以检测跨代理事实冲突，并通过专用工具验证循环解决冲突，从而提升测试时间扩展的容错能力。

Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament

Not Yet: 人类在布洛托 tournaments 中优于 LLMs

Dmitry Dagaev, Egor Ivanov, Petr Parshakov, Alexey Savvateev, Gleb Vasiliev

机构 * HSE University（俄罗斯高等经济学院） ； New Economic School（新经济学校） ； Central Economic Mathematical Institute, Russian Academy of Sciences（俄罗斯科学院中央经济数学研究所） ； Adyghe State University（阿迪格国立大学） ； Moscow Institute of Physics and Technology（莫斯科物理技术学院） ； Innopolis University（因诺波利斯大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 研究通过布洛托博弈 tournaments 比较了人类与 LLMs 的策略表现，发现人类更擅长使用校准良好的中间层次分配启发式方法，而 LLMs 的简单策略表现较差。

SCI-Defense: Defending Manipulation Attacks from Generative Engine Optimization

SCI-Defense: 防御生成引擎优化的操纵攻击

Xucheng Yu, Haibo Jin, Huimin Zeng, Haohan Wang

机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学与数据科学学院） ； School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Amazon topcited.ai（亚马逊topcited.ai） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出SCI-Defense框架，通过检测困惑度、语义完整性评分和跨候选检测三种组件，有效识别生成引擎优化攻击，实现了高精度和低误报率，同时揭示了现有防御方法的局限性及未来研究方向。

Comments 20 pages, NeurIPS 2026 submission

PlexRL: Cluster-Level Orchestration of Serviceized LLM Execution for RLVR

PlexRL: 服务化大语言模型执行在RLVR中的集群级编排

Yiqi Zhang, Fangzheng Jiao, Tian Tang, Boyu Tian, Hangyu Wang, Qiaoling Chen, Guoteng Wang, Zhen Jiang, Peng Sun, Ping Zhang, Xiaohe Hu, Ziming Liu, Menghao Zhang, Yanmin Jia, Yang You, Siyuan Feng

机构 * National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； Shanghai Qiji Zhifeng Co., Ltd.（上海启智风科技有限公司） ； Nanyang Technological University（南洋理工大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出PlexRL，通过集群级编排服务化大语言模型执行，解决RLVR训练中的效率问题，提升集群容量并降低GPU小时成本，同时保持算法灵活性和最小的单任务开销。

Refining and Reusing Annotation Guidelines for LLM Annotation

对LLM注释的注释指南进行细化和重用

Kon Woo Kim, Jin-Dong Kim, Akiko Aizawa

机构 * The Graduate University for Advanced Studies, SOKENDAI（Graduate University for Advanced Studies, SOKENDAI） ； National Institute of Informatics (NII)（National Institute of Informatics） ； BioData Science Initiative (BSI), National Institute of Genetics (NIG)（BioData Science Initiative (BSI), National Institute of Genetics） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出了一种系统性的注释指南重用和细化方法，通过迭代审核框架来对LLM注释进行改进，并在生物医学NER任务中验证了指南整合的有效性、推理优化模型的优势以及在最小监督下的审核可行性。

Comments 14 pages, 7 figures. Accepted to the ACL 2026 Main Conference

Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory

重新思考如何记忆：超越原子事实的终身LLM代理记忆

Jingwei Sun, Jianing Zhu, Jiangchao Yao, Tongliang Liu, Bo Han

机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 实验组） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学） ； Sydney AI Center, The University of Sydney（悉尼大学悉尼人工智能中心） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出TriMem，一种能够维护三种共存表示粒度的内存系统，通过保留原始对话片段、提取原子事实以及合成轮廓来实现对积累对话历史的忠实存储、高效检索和深度推理，从而克服现有方法在细节丢失和推理能力不足的问题。

K-Quantization and its Impact on Output Performance

K-量化及其对输出性能的影响

Robin Baki Davidsson, Pierre Nugues

机构 * Lund University（隆德大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了不同量化级别（2-6位）对大型语言模型（LLM）在MMLU-Pro、CRUXEval和MuSR等任务上的性能和准确性的影响，发现高精度量化（如8位Q8_0）能提升性能，但降维量化（如2位Q2_K）会带来性能损失，且不同模型和任务的响应差异显著。

Comments 13 pages, 4 figures

Can LLMs Estimate Cognitive Complexity of Reading Comprehension Items?

LLMs能否估算阅读理解题的认知复杂性？

Seonjeong Hwang, Hyounghun Kim, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国立科学技术院人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国立科学技术院计算机科学与工程系） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了大型语言模型是否能通过证据范围和转换级别两个维度估算阅读理解题的认知复杂性，结果显示LLMs能够近似估算认知复杂性，但存在推理能力与元认知意识之间的差距。

Comments ACL 2026 Main Conference

IR-Agent: Expert-Inspired LLM Agents for Structure Elucidation from Infrared Spectra

IR-Agent: 专家启发的LLM代理用于从红外光谱中解析分子结构

Heewoong Noh, Namkyeong Lee, Gyoung S. Na, Kibum Kim, Chanyoung Park

机构 * KAIST（韩国科学技术院） ； KRICT（韩国信息通信技术研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出IR-Agent，一种新的多代理框架，用于从红外光谱中解析分子结构，通过模拟专家驱动的分析过程，提升结构解析的准确性。

Comments ICLR 2026

Knowledge-to-Verification: Exploring RLVR for LLMs in Knowledge-Intensive Domains

知识到验证：探索RLVR在知识密集型领域的LLM应用

Zhonghang Yuan, Zhefan Wang, Fang Hu, Zihong Chen, Jinzhe Li, Gang Li, Jie Ying, Huanjun Kong, Songyang Zhang, Nanqing Dong

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出K2V框架，通过自动化可验证数据合成扩展RLVR到知识密集型领域，提升LLM在这些领域的推理能力，同时不显著影响模型的通用能力。

LegalCheck: Retrieval- and Context-Augmented Generation for Drafting Municipal Legal Advice Letters

LegalCheck: 基于检索和上下文增强的生成方法用于起草市政法律建议信

Virgill van der Meer, Julien Rossi

机构 * Municipality of Amsterdam（阿姆斯特丹市） ； University of Amsterdam（阿姆斯特丹大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出LegalCheck系统，通过检索增强生成（RAG）和上下文增强生成（CAG）技术，自动起草市政法律回应信，提高法律部门在人员短缺、案件量增加和合规压力下的工作效率，确保法律一致性和准确性。

Comments Accepted at ICAIL 2026 as Short Paper

SLASH the Sink: Sharpening Structural Attention Inside LLMs

SLASH the Sink: 在大语言模型中 sharpening 结构性注意力

Yiming Liu, Bin Lu, Xinbing Wang, Chenghu Zhou, Meng Jin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute of Geographical Science and Natural Resources Research（地理科学与自然资源研究所） ； Chinese Academy of Sciences（中国科学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文研究了大语言模型内部机制，发现其能自发重构图拓扑，但受注意力sink影响导致结构理解被削弱。提出SLASH方法，通过插件式注意力重分布增强内部结构理解，实验表明在纯图任务和分子预测中性能显著提升。

EveryQuery: Zero-Shot Clinical Prediction via Task-Conditioned Pretraining over Electronic Health Records

EveryQuery: 通过电子健康记录上的任务条件预训练实现零样本临床预测

Payal Chandak, Gregory Kondas, Liat Antwarg Friedman, Isaac Kohane, Matthew McDermott

机构 * Harvard-MIT HST（哈佛-麻省理工学院HST） ； Columbia University（哥伦比亚大学） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出EveryQuery，一种通过任务条件预训练实现零样本临床预测的电子健康记录基础模型，通过直接估计未来窗口内结果发生的可能性，而非生成未来事件，从而在多个预测任务中优于自回归基线模型。

Traces of Social Competence in Large Language Models

大语言模型中社会能力的踪迹

Tom Kouwenhoven, Michiel van der Meer, Max van Duijn

机构 * Leiden Institute of Advanced Computer Science（莱顿先进计算机科学研究所） ； Leiden University（莱顿大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了大语言模型在虚假信念测试中的表现，通过贝叶斯逻辑回归分析模型大小和训练方法对社会认知能力的影响，发现模型规模扩大有助于性能提升，但并非绝对，同时指出解释命题态度会改变响应模式，进一步的推理导向微调会加剧这种影响。

Comments Presented at the 2026 Conference on Computational Natural Language Learning (CoNLL)

ZeroSiam: An Efficient Asymmetry for Test-Time Entropy Optimization without Collapse

ZeroSiam: 一种高效的非对称方法用于测试时熵优化而不发生崩溃

Guohao Chen, Shuaicheng Niu, Deyu Chen, Jiahao Yang, Zitian Zhang, Mingkui Tan, Pengcheng Wu, Zhiqi Shen

机构 * Nanyang Technological University（南洋理工大学） ； Joint WeBank-NTU Research Institute on Fintech（金融科技联合研究机构） ； South China University of Technology（华南理工大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出ZeroSiam，一种针对测试时熵最小化的高效非对称架构，通过非对称发散对齐防止崩溃，并通过可学习预测器和stop-gradient操作符有效实现，实验和理论证明其能防止崩溃并正则化偏见学习信号，提升性能，尤其在易崩溃的小模型上表现稳定。

Unleashing LLMs in Bayesian Optimization: Preference-Guided Framework for Scientific Discovery

释放大语言模型于贝叶斯优化：用于科学发现的偏好引导框架

Xinzhe Yuan, Zhuo Chen, Jianshu Zhang, Huan Xiong, Nanyang Ye, Yuqiang Li, Qinying Gu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种基于大语言模型的贝叶斯优化框架LGBO，通过在优化循环中持续整合大语言模型的语义推理，提高了科学发现中的优化效率和收敛速度。

Comments Published as a conference paper at ICLR 2026. 10 pages main paper, 21 pages appendix, 26 figures

Journal ref International Conference on Learning Representations (ICLR), 2026

InfoFlow: A Framework for Multi-Layer Transformer Analysis

InfoFlow: 多层Transformer分析的框架

Penghao Yu, Haotian Jiang, Zeyu Bao, Qianxiao Li

机构 * Department of Mathematics（数学系） ； National University of Singapore（新加坡国立大学） ； Institute for Functional Intelligent Materials（功能智能材料研究所） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 该研究通过分析多层Transformer的近似能力，揭示了其与单层Transformer的根本差异，并提出InfoFlow框架以提升多层Transformer的近似效率。

Comments 36 pages

TriAxialKV: Toward Extreme Low-Precision KV-Cache Quantization for Agentic Inference Tasks

TriAxialKV: 向极低精度KV缓存量化迈进以应对代理推理任务

Hanzhang Shen, Haoran Wu, Yiren Zhao, Robert Mullins

机构 * University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出TriAxialKV，一种混合精度的KV缓存量化方案，通过为每个token分配三轴标签，校准每种标签的敏感性，并在固定内存预算下分配INT2/INT4位宽，以提高代理推理任务的效率和吞吐量。

Learning to Learn from Multimodal Experience

从多模态经验中学习学习

Xingyu Sui, Weixiang Zhao, Yongxin Tang, Yanyan Zhao, Yang Wu, Dandan Tu, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种新的学习范式，即从多模态经验中学习，通过动态构建和利用记忆来提升智能体的性能和泛化能力，解决了传统固定记忆设计在多模态环境中的不足。